摘要
岩爆作为典型的工程地质灾害，整个发生过程具有突发性、难控制性以及破坏范围大等特点，在造成巨大经济损失的同时严重威胁着施工人员的生命健康。但影响岩爆发生的因素众多，且成因机制极为复杂，仅从单一特征评价指标对岩爆倾向进行预测过于片面，因此综合多源信息对岩爆前兆特征进行分析，并建立高效预测模型，从而提高岩爆预测的准确度。 首先根据声发射、微震、电磁辐射多传感器监测系统中的声发射振铃计数、事件数、微震能量、视应力、累计视体积、电磁辐射强度等多种动态指标特征参数，通过各指标之间的演化规律对矿山岩爆前兆特征变化规律进行分析，为岩爆预测及防控提供理论基础。 其次分别从两种角度基于静态指标构建岩爆预测模型。1、从指标权重的角度，构建了基于组合赋权-改进TOPSIS的岩爆预测模型。采用改进的G1法和反熵法分别获得主客观权重，解决了单一方法确定权重产生偏差的问题，并提出了一种离差平方和最大的方法组合赋权，完善了主客观权重的占比问题。通过改进评价指标与理想点之间的距离计算公式，解决了传统TOPSIS评价结果逆向排序问题。2、从岩爆实际工程数据训练，建立岩爆评价指标与岩爆等级之间的非线性映射关系的角度，构建了基于AdaBoost-BAS-SVM岩爆预测模型。通过BAS优化算法对SVM进行参数优化，避免了人工设置参数不精准的影响。同时结合AdaBoost集成算法加强对分类错误样本的关注度，将弱分类器结合成强分类器，并与其它模型进行对比，证明了该模型的可行性及准确性。 最后通过工程实例对两个角度构建的岩爆预测模型进行动态指标验证，并利用改进的主成分分析方法对动态指标数据进行降维处理，大幅提高了AdaBoost-BAS-SVM岩爆预测模型的准确度。从多方面对构建的两个模型进行对比分析，实验结果证明构建的AdaBoost-BAS-SVM岩爆预测模型在实际工程岩爆预测方面表现更为优异，在未来更加有发展潜力。
NETL